ت
بازارسال شده از
بهرهبرداری فعال از آسیبپذیری بحرانی و بدون کلیک Netlogon ویندوز در سراسر جهانآسیبپذیری بحرانی اجرای کد از راه دور (RCE) در سرویس Netlogon ویندوز با شناسه CVE-2026-41089، اکنون به طور فعال توسط مهاجمان در حال استثمار است.
این نقص امنیتی که در بهروزرسانی ماه می ۲۰۲۶ مایکروسافت وصله شده بود، به مهاجمان احراز هویت نشده اجازه میدهد بدون نیاز به هیچگونه تعامل با کاربر (0-Click)، کنترل کامل کنترلکنندههای دامنه (Domain Controllers) را در دست بگیرند و امنیت کل شبکه سازمان را به مخاطره بیندازند.
نکات کلیدی نوع و شدت تهدید: یک آسیبپذیری بسیار بحرانی از نوع اجرای کد از راه دور (RCE) با سطح دسترسی سیستم (SYSTEM-level) که کنترلکنندههای دامنه ویندوز سرور را هدف قرار میدهد. مکانیسم حمله بدون کلیک (0-Click): مهاجمان برای نفوذ به هیچگونه نام کاربری، رمز عبور، دسترسی محلی یا تعامل با کاربران شبکه نیاز ندارند؛ حمله تنها با ارسال درخواستهای شبکه مخرب به سرویس Netlogon انجام میشود. خطر تصاحب کامل دامنه: با توجه به نقش حیاتی اکتیو دایرکتوری (Active Directory)، موفقیت در این حمله به معنای امکان ایجاد حسابهای کاربری جدید، غیرفعال کردن کنترلهای امنیتی و تزریق بدافزار در کل شبکه است. نسخههای تحت تأثیر: تمامی نسخههای پشتیبانیشده ویندوز سرور از نسخه 2012 به بعد که به عنوان دامین کنترلر پیکربندی شدهاند، در خطر هستند. هشدار آژانسهای امنیتی: مرکز امنیت سایبری بلژیک (CCB) با انتشار هشداری فوری، این نقص را جزو خطرناکترین موارد در میان ۱۱۸ آسیبپذیری وصلهشده اخیر اعلام کرده است.
نتیجهگیریآسیبپذیری CVE-2026-41089 به دلیل ماهیت بدون نیاز به تعامل و پتانسیل بالای آن در فلج کردن زیرساختهای سازمانی، یک تهدید درجه اول محسوب میشود.
تیمهای امنیت فناوری اطلاعات باید بدون فوت وقت و پس از تستهای اولیه، وصلههای امنیتی مایکروسافت را بر روی دامین کنترلرها اعمال کنند، نظارت بر ترافیک سرویس Netlogon را افزایش دهند و دسترسیهای شبکهای به این سرورهای حیاتی را به شدت محدود و بخشبندی (Segmentation) کنند.
#امنیتhttps://cybersecuritynews.com/windows-netlogon-0-click-rce/........................................کانال تازه ترین اخبارهای فناوری اطلاعات و هوش مصنوعی در بله@IT_AI_Newsتازه ترین اخبارهای حوزه امنیت_دفاع و پدافند سایبری در بله@cyber_warfare_monitorمهارت و آموزش فناوری اطلاعات و هوش مصنوعی@it_ai_skill_training
*JetBrains open-sources Mellum2 to go where Claude Code can't
جتبرینز مدل کدنویسی Mellum2 (با ۱۲ میلیارد پارامتر و معماری Mixture-of-Experts با ۲.۵ میلیارد پارامتر فعال در هر توکن) را به صورت متنباز (تحت مجوز Apache 2.0) منتشر کرده است. این مدل برای لایه زیرساخت سیستمهای هوش مصنوعی عاملی (مسیریابی، خطوط لوله بازیابی، وظایف زیرعامل و استقرار خصوصی در محل) طراحی شده است.
ویژگیهای کلیدی و عملکرد:
- معماری MoE : با ۱۲ میلیارد پارامتر کل، اما تنها ۲.۵ میلیارد پارامتر در هر توکن فعال هستند (طراحی شده برای رفتار更像 یک مدل ۲.۵ میلیارد پارامتری از دیدگاه استنتاج). در حالت تک درخواست، ۱۹۲ توکن در ثانیه (برابر با Qwen2.5-7B) ارائه میدهد. تحت بار همزمان (جایی که استقرارهای تولید واقعاً عمل میکنند)، ۲۱٪ جلوتر از Qwen2.5-7B و ۷۹٪ جلوتر از Qwen3-8B است.
- نمرات بنچمارک (نسخه تفکر (thinking variant) در EvalPlus) : Mellum2 با ۷۸.۴٪، جلوتر از Qwen3.5-9B (۷۱.۸٪) و Seed-Coder-8B (۷۳.۸٪) است. با این حال، Qwen3.5-9B در ارزیابیهای استدلال و دانش گستردهتر (مانند GPQA Diamond و MMLU-Redux) مزیت خود را حفظ میکند (بازتاب مبادله عمدی در ترکیب آموزشی به سمت کد و مستندات توسعهدهنده، نه پوشش دایرةالمعارفی گسترده).
- دو نوع پسا-آموزشی (post-trained variants) : نسخه «دستور (instruct)» (پاسخ مستقیم) و نسخه «تفکر (thinking)» (تولید یک رد استدلال صریح قبل از پاسخ، هدف گرفته شده برای وظایف عاملی و چندمرحلهای سختتر).
- استدلال وابستگی (Dependency Argument) : Claude Code و Codex درخواست (query) را به ترتیب از طریق APIهای آنتروپیک و اوپنایآی هدایت میکنند. Mellum2 با وزنهای باز (open weights) این گزینه را به سازمانها میدهد که خود آن لایه را در زیرساخت خود داشته باشند و اجرا کنند.
آدرس کامل مقاله:
https://thenewstack.io/jetbrains-mellum2-open-source-coding-model/
کانال تازهترین اخبارهای فناوری اطلاعات و هوش مصنوعی در بله
@IT_AI_News
کانال تازهترین اخبارهای حوزه امنیت، دفاع و پدافند سایبری در بله
@cyber_warfare_monitor
کانال مهارت و آموزش فناوری اطلاعات و هوش مصنوعی*@it_ai_skill_training
جتبرینز مدل کدنویسی Mellum2 (با ۱۲ میلیارد پارامتر و معماری Mixture-of-Experts با ۲.۵ میلیارد پارامتر فعال در هر توکن) را به صورت متنباز (تحت مجوز Apache 2.0) منتشر کرده است. این مدل برای لایه زیرساخت سیستمهای هوش مصنوعی عاملی (مسیریابی، خطوط لوله بازیابی، وظایف زیرعامل و استقرار خصوصی در محل) طراحی شده است.
ویژگیهای کلیدی و عملکرد:
- معماری MoE : با ۱۲ میلیارد پارامتر کل، اما تنها ۲.۵ میلیارد پارامتر در هر توکن فعال هستند (طراحی شده برای رفتار更像 یک مدل ۲.۵ میلیارد پارامتری از دیدگاه استنتاج). در حالت تک درخواست، ۱۹۲ توکن در ثانیه (برابر با Qwen2.5-7B) ارائه میدهد. تحت بار همزمان (جایی که استقرارهای تولید واقعاً عمل میکنند)، ۲۱٪ جلوتر از Qwen2.5-7B و ۷۹٪ جلوتر از Qwen3-8B است.
- نمرات بنچمارک (نسخه تفکر (thinking variant) در EvalPlus) : Mellum2 با ۷۸.۴٪، جلوتر از Qwen3.5-9B (۷۱.۸٪) و Seed-Coder-8B (۷۳.۸٪) است. با این حال، Qwen3.5-9B در ارزیابیهای استدلال و دانش گستردهتر (مانند GPQA Diamond و MMLU-Redux) مزیت خود را حفظ میکند (بازتاب مبادله عمدی در ترکیب آموزشی به سمت کد و مستندات توسعهدهنده، نه پوشش دایرةالمعارفی گسترده).
- دو نوع پسا-آموزشی (post-trained variants) : نسخه «دستور (instruct)» (پاسخ مستقیم) و نسخه «تفکر (thinking)» (تولید یک رد استدلال صریح قبل از پاسخ، هدف گرفته شده برای وظایف عاملی و چندمرحلهای سختتر).
- استدلال وابستگی (Dependency Argument) : Claude Code و Codex درخواست (query) را به ترتیب از طریق APIهای آنتروپیک و اوپنایآی هدایت میکنند. Mellum2 با وزنهای باز (open weights) این گزینه را به سازمانها میدهد که خود آن لایه را در زیرساخت خود داشته باشند و اجرا کنند.
آدرس کامل مقاله:
https://thenewstack.io/jetbrains-mellum2-open-source-coding-model/
کانال تازهترین اخبارهای فناوری اطلاعات و هوش مصنوعی در بله
@IT_AI_News
کانال تازهترین اخبارهای حوزه امنیت، دفاع و پدافند سایبری در بله
@cyber_warfare_monitor
کانال مهارت و آموزش فناوری اطلاعات و هوش مصنوعی*@it_ai_skill_training
شرکت مدیاتک با فناوریهای لبه تا ابر (Edge-to-Cloud) در نمایشگاه کامپیوتکس ۲۰۲۶، به استقبال عصر هوش مصنوعی عاملمحور (Agentic AI) میرودشرکت مدیاتک (MediaTek) در نمایشگاه کامپیوتکس ۲۰۲۶ با شعار هوش مصنوعی بدون مرز، از نسل جدید فناوریهای خود رونمایی کرد.
این شرکت با ارائه راهکارهای جامع پیشرفته از لبه (Edge) تا ابر (Cloud)، از جمله تراشههای مجهز به هوش مصنوعی برای خودروها و دستگاههای هوشمند، تجهیزات دیتاسنتر، و همچنین فناوریهای ارتباطی نوین مانند Wi-Fi 8 و 6G، موقعیت خود را به عنوان یکی از رهبران اصلی زیرساختهای هوش مصنوعی جهان تثبیت میکند.
نکات کلیدی همکاری با انویدیا در هوش مصنوعی دسکتاپ و خودرو: معرفی سیستم قدرتمند NVIDIA DGX Spark (مجهز به تراشه Blackwell) برای اجرای بومی مدلهای بزرگ هوش مصنوعی روی دسکتاپ، و پلتفرم خودرویی Dimensity AX C-X1 که کابین خودرو را به یک سیستم هوش مصنوعی پویا و سازگار با بازیهای باکیفیت (AAA) تبدیل میکند. برقراری اولین تماس ویدیویی ماهوارهای: معرفی پلتفرم تلماتیک Dimensity AX MT2739 به عنوان اولین چیپست خودرویی جهان با پشتیبانی از تماسهای ویدیویی ماهوارهای 5G و کاهش ۳۰ درصدی قطع و وصل شدن صدا و تصویر در مکانهایی مانند تونلها. توسعه هوش مصنوعی در دیتاسنترها: ارائه پلتفرمهای دیتاسنتر مدیاتک (DCS) شامل طراحی تراشههای سفارشی (ASIC) و فناوریهای پیشرفته نوری مانند Co-Packaged Optics (CPO) و اتصال برپایه MicroLED برای کاهش ۵۰ درصدی مصرف انرژی دیتاسنترها. رونمایی از اولین چیپست Wi-Fi 8 جهان: معرفی تراشه Filogic 8800 که سرعت دانلود را تا ۵۰ درصد کاهش و پایداری شبکه را به شدت افزایش میدهد؛ در کنار سیستم هوش مصنوعی Filogic AI که میتواند عیبیابی شبکه را از چند ساعت به زیر ۱ دقیقه برساند. پیشگامی در فناوری 6G: نمایش اولین نمونههای کاربردی از شبکههای 6G برای ارتباط مستقیم هوش مصنوعی با هوش مصنوعی (AI-to-AI) و فناوری Co-MIMO که سرعت دانلود گوشیها و گجتهای پوشیدنی را تا ۶۰ درصد بهبود میبخشد.
نتیجهگیریمدیاتک با سبد محصولات جامع خود در کامپیوتکس ۲۰۲۶ نشان داد که هوش مصنوعی دیگر محدود به پردازشهای ابری نیست.
این شرکت با ادغام قدرت پردازش لبه، دیتاسنترهای بهینه و زیرساختهای ارتباطی فوقسریع (Wi-Fi 8 و 6G)، مسیر را برای همهگیر شدن هوش مصنوعی عاملمحور در زندگی روزمره، خودروها و صنایع هموار کرده است.
#نمایشگاه_Computex_2026https://www.digitimes.com/news/a20260528PD232/mediatek-wi-fi-6g-2026-automotive.html........................................کانال تازه ترین اخبارهای فناوری اطلاعات و هوش مصنوعی در بله@IT_AI_Newsتازه ترین اخبارهای حوزه امنیت_دفاع و پدافند سایبری در بله@cyber_warfare_monitorمهارت و آموزش فناوری اطلاعات و هوش مصنوعی@it_ai_skill_training
*HP unveils world's thinnest RTX Spark laptops: 12K video editing, 128GB RAM, all-day battery
اچپی اولین لپتاپهای خود را با پلتفرم جدید NVIDIA RTX Spark تحت عنوان OmniBook Ultra 16 و OmniBook X 14 معرفی کرده است. این لپتاپها با ترکیب معماری «ابرتراشه» انویدیا (شامل یک iGPU مبتنی بر Blackwell با حداکثر ۶,۱۴۴ هسته CUDA و هستههای تنسور نسل پنجم و یک CPU Grace مبتنی بر Arm با حداکثر ۲۰ هسته) و همکاری نزدیک با مایکروسافت برای بهینهسازی ویندوز ۱۱، به عنوان «رایانههای شخصی هوش مصنوعی» (Personal AI Computers) طراحی شدهاند.
مشخصات کلیدی و قابلیتها:
- حافظه یکپارچه: پشتیبانی از حداکثر ۱۲۸ گیگابایت حافظه یکپارچه (اجرای مدلهای زبانی بزرگ ۱۲۰ میلیارد پارامتری به صورت محلی و ویرایش ویدئوی ۱۲K بدون آفلود به ابر)
- طراحی فوقباریک: OmniBook X 14 به عنوان باریکترین لپتاپ RTX Spark جهان (مناسب برای حرفهایهایی که به عملکرد بالا بدون حجم یک ایستگاه کاری نیاز دارند) طراحی شده است.
- عمر باتری: وعده «عمر باتری تمام روز» (با تشکر از کار بنیادی مدیاتک بر روی معماری کم مصرف Arm)
- امنیت: پروفایلهای تخصصی زمانبندی بار کاری (WPS) برای متعادل کردن معماری ۲۰ هستهای CPU و اصول اولیه امنیتی جدید از طریق NVIDIA OpenShell برای اجرای عاملهای هوش مصنوعی با اطمینان «اعتماد صفر (Zero Trust)».
هر دو لپتاپ HP OmniBook Ultra 16 و OmniBook X 14 انتظار میرود بعداً در سال جاری عرضه شوند.
آدرس کامل مقاله:
https://www.notebookcheck.net/HP-unveils-world-s-thinnest-RTX-Spark-laptops-12K-video-editing-128GB-RAM-all-day-battery.1312200.0.html
کانال تازهترین اخبارهای فناوری اطلاعات و هوش مصنوعی در بله
@IT_AI_News
کانال تازهترین اخبارهای حوزه امنیت، دفاع و پدافند سایبری در بله
@cyber_warfare_monitor
کانال مهارت و آموزش فناوری اطلاعات و هوش مصنوعی*@it_ai_skill_training
اچپی اولین لپتاپهای خود را با پلتفرم جدید NVIDIA RTX Spark تحت عنوان OmniBook Ultra 16 و OmniBook X 14 معرفی کرده است. این لپتاپها با ترکیب معماری «ابرتراشه» انویدیا (شامل یک iGPU مبتنی بر Blackwell با حداکثر ۶,۱۴۴ هسته CUDA و هستههای تنسور نسل پنجم و یک CPU Grace مبتنی بر Arm با حداکثر ۲۰ هسته) و همکاری نزدیک با مایکروسافت برای بهینهسازی ویندوز ۱۱، به عنوان «رایانههای شخصی هوش مصنوعی» (Personal AI Computers) طراحی شدهاند.
مشخصات کلیدی و قابلیتها:
- حافظه یکپارچه: پشتیبانی از حداکثر ۱۲۸ گیگابایت حافظه یکپارچه (اجرای مدلهای زبانی بزرگ ۱۲۰ میلیارد پارامتری به صورت محلی و ویرایش ویدئوی ۱۲K بدون آفلود به ابر)
- طراحی فوقباریک: OmniBook X 14 به عنوان باریکترین لپتاپ RTX Spark جهان (مناسب برای حرفهایهایی که به عملکرد بالا بدون حجم یک ایستگاه کاری نیاز دارند) طراحی شده است.
- عمر باتری: وعده «عمر باتری تمام روز» (با تشکر از کار بنیادی مدیاتک بر روی معماری کم مصرف Arm)
- امنیت: پروفایلهای تخصصی زمانبندی بار کاری (WPS) برای متعادل کردن معماری ۲۰ هستهای CPU و اصول اولیه امنیتی جدید از طریق NVIDIA OpenShell برای اجرای عاملهای هوش مصنوعی با اطمینان «اعتماد صفر (Zero Trust)».
هر دو لپتاپ HP OmniBook Ultra 16 و OmniBook X 14 انتظار میرود بعداً در سال جاری عرضه شوند.
آدرس کامل مقاله:
https://www.notebookcheck.net/HP-unveils-world-s-thinnest-RTX-Spark-laptops-12K-video-editing-128GB-RAM-all-day-battery.1312200.0.html
کانال تازهترین اخبارهای فناوری اطلاعات و هوش مصنوعی در بله
@IT_AI_News
کانال تازهترین اخبارهای حوزه امنیت، دفاع و پدافند سایبری در بله
@cyber_warfare_monitor
کانال مهارت و آموزش فناوری اطلاعات و هوش مصنوعی*@it_ai_skill_training
۱
مایکروسافت در رویداد Build از مدلهای جدید هوش مصنوعی و بهبودهای ویندوز رونمایی میکندشرکت مایکروسافت این هفته کنفرانس سالانه Build خود را در سانفرانسیسکو برگزار میکند.
این رویداد در حالی برگزار میشود که مایکروسافت کل کسبوکار خود را پیرامون هوش مصنوعی بازسازی کرده و به دنبال جلب اعتماد مجدد توسعهدهندگان به ویندوز و گیتهاب است.
در این کنفرانس تمرکز ویژهای روی ابزارهای اختصاصی توسعهدهندگان و ادغام عمیقتر هوش مصنوعی در سیستمعامل ویندوز خواهد بود.
نکات کلیدی رونمایی از مدلهای جدید هوش مصنوعی: معرفی مدلهای هوش مصنوعی جدید برای ویندوز، یک مدل استدلال (Reasoning) جدید از سوی Microsoft AI و یک «سوپر اپلیکیشن» اختصاصی برای Copilot. محیط بهینهسازی شده برای توسعهدهندگان: رونمایی از یک تجربه کاربری جدید و اختصاصی در ویندوز ۱۱ برای توسعهدهندگان که شامل محیطی بدون حواسپرتی (Distraction-free) همراه با ابزارها، برنامهها و اسکریپتهای پیشفرض است. بازنویسی بخشهایی از ویندوز ۱۱: تلاش مایکروسافت برای بازنویسی قسمتهایی از سیستمعامل جهت ارتقای عملکرد (Performance) و بهبود تجربه کاربری کلی. پشتیبانی از سختافزارهای جدید: سازگاری و انطباق بیشتر ویندوز با تراشههای جدید بازار، به ویژه تراشه جدید و بهینه Nvidia RTX Spark.
نتیجهگیریرویداد Build امسال یک نقطه عطف حیاتی برای مایکروسافت به شمار میرود.
این شرکت تلاش میکند با ارائه یک نسخه از ویندوز ۱۱ که کاملاً برای برنامهنویسان بهینهسازی شده و همچنین با معرفی نسل جدید هوش مصنوعی و هماهنگی با سختافزارهای مدرن، جایگاه خود را به عنوان پلتفرم اصلی توسعهدهندگان تثبیت کند.
#هوش_مصنوعیhttps://www.theverge.com/report/940861/microsoft-build-ai-models-windows-dev-mode-what-to-expect........................................کانال تازه ترین اخبارهای فناوری اطلاعات و هوش مصنوعی در بله@IT_AI_Newsتازه ترین اخبارهای حوزه امنیت_دفاع و پدافند سایبری در بله@cyber_warfare_monitorمهارت و آموزش فناوری اطلاعات و هوش مصنوعی@it_ai_skill_training
*Intel Xeon 7 'Diamond Rapids' CPUs officially launching in 2027 on Intel 18A-P
اینتل تأیید کرده است که پردازندههای نسل بعدی Xeon 7 با نام رمز Diamond Rapids رسماً در سال ۲۰۲۷ عرضه خواهند شد (بر اساس گره Intel 18A-P که نسخه اصلاح شده 18A است). این تراشهها از PCIe 6.0 پشتیبانی میکنند، ۵۰٪ هسته بیشتر از Xeon 6 دارند و پهنای باند حافظه را دو برابر میکنند.
جزئیات فنی و رقابت:
- پهنای باند حافظه: بسته به نقطه مقایسه (Granite Rapids-AP با ۱۲ کانال، ۶۱۴ گیگابایت بر ثانیه یا Granite Rapids-SP با ۸ کانال، ۴۰۹ گیگابایت بر ثانیه)، پهنای باند حافظه رده بالا به حداقل ۱.۲ ترابایت بر ثانیه یا ۸۱۸ گیگابایت بر ثانیه میرسد (پشتیبانی از MRDIMM نسل دوم میتواند آن را به بیش از ۱.۶ ترابایت بر ثانیه برساند).
- تعداد هسته: افزایش ۵۰٪ در تعداد هسته، بالاترین مدل Granite Rapids-AP (۱۲۸ هسته) را به ۱۹۲ هسته میرساند (شایعات قبلی از حداکثر ۲۵۶ هسته خبر میدادند، اما اینتل نشان میدهد که آن شایعات نادرست هستند، اگرچه هنوز مشخصات سختی تأیید نشده است).
- ریزمعماری: اسناد اینتل نشان میدهد Diamond Rapids از ریزمعماری منتشرنشده Panther Cove استفاده خواهد کرد. اینتل اوایل سال جاری گفت که «چند رشتهای (multi-threading) را به نقشه راه مرکز داده خود بازخواهد گرداند».
- رقابت با AMD: EPYC Venice ای ام دی (مبتنی بر معماری Zen 6) که انتظار میرود امسال عرضه شود، دارای حداکثر ۲۵۶ هسته، ۱.۶ ترابایت بر ثانیه پهنای باند حافظه در هر سوکت و ۷۰٪ جهش در عملکرد نسبت به نسل قبل است.
- جزئیات بیشتر: انتظار میرود اطلاعات بیشتری در اواخر تابستان در کنفرانس Hot Chips به اشتراک گذاشته شود.
آدرس کامل مقاله:
https://www.tomshardware.com/pc-components/cpus/intel-xeon-7-diamond-rapids-cpus-officially-launching-in-2027-on-intel-18a-p-next-gen-p-core-xeon-features-pcie-6-0-50-percent-higher-core-counts-and-twice-the-memory-bandwidth
کانال تازهترین اخبارهای فناوری اطلاعات و هوش مصنوعی در بله
@IT_AI_News
کانال تازهترین اخبارهای حوزه امنیت، دفاع و پدافند سایبری در بله
@cyber_warfare_monitor
کانال مهارت و آموزش فناوری اطلاعات و هوش مصنوعی*@it_ai_skill_training
اینتل تأیید کرده است که پردازندههای نسل بعدی Xeon 7 با نام رمز Diamond Rapids رسماً در سال ۲۰۲۷ عرضه خواهند شد (بر اساس گره Intel 18A-P که نسخه اصلاح شده 18A است). این تراشهها از PCIe 6.0 پشتیبانی میکنند، ۵۰٪ هسته بیشتر از Xeon 6 دارند و پهنای باند حافظه را دو برابر میکنند.
جزئیات فنی و رقابت:
- پهنای باند حافظه: بسته به نقطه مقایسه (Granite Rapids-AP با ۱۲ کانال، ۶۱۴ گیگابایت بر ثانیه یا Granite Rapids-SP با ۸ کانال، ۴۰۹ گیگابایت بر ثانیه)، پهنای باند حافظه رده بالا به حداقل ۱.۲ ترابایت بر ثانیه یا ۸۱۸ گیگابایت بر ثانیه میرسد (پشتیبانی از MRDIMM نسل دوم میتواند آن را به بیش از ۱.۶ ترابایت بر ثانیه برساند).
- تعداد هسته: افزایش ۵۰٪ در تعداد هسته، بالاترین مدل Granite Rapids-AP (۱۲۸ هسته) را به ۱۹۲ هسته میرساند (شایعات قبلی از حداکثر ۲۵۶ هسته خبر میدادند، اما اینتل نشان میدهد که آن شایعات نادرست هستند، اگرچه هنوز مشخصات سختی تأیید نشده است).
- ریزمعماری: اسناد اینتل نشان میدهد Diamond Rapids از ریزمعماری منتشرنشده Panther Cove استفاده خواهد کرد. اینتل اوایل سال جاری گفت که «چند رشتهای (multi-threading) را به نقشه راه مرکز داده خود بازخواهد گرداند».
- رقابت با AMD: EPYC Venice ای ام دی (مبتنی بر معماری Zen 6) که انتظار میرود امسال عرضه شود، دارای حداکثر ۲۵۶ هسته، ۱.۶ ترابایت بر ثانیه پهنای باند حافظه در هر سوکت و ۷۰٪ جهش در عملکرد نسبت به نسل قبل است.
- جزئیات بیشتر: انتظار میرود اطلاعات بیشتری در اواخر تابستان در کنفرانس Hot Chips به اشتراک گذاشته شود.
آدرس کامل مقاله:
https://www.tomshardware.com/pc-components/cpus/intel-xeon-7-diamond-rapids-cpus-officially-launching-in-2027-on-intel-18a-p-next-gen-p-core-xeon-features-pcie-6-0-50-percent-higher-core-counts-and-twice-the-memory-bandwidth
کانال تازهترین اخبارهای فناوری اطلاعات و هوش مصنوعی در بله
@IT_AI_News
کانال تازهترین اخبارهای حوزه امنیت، دفاع و پدافند سایبری در بله
@cyber_warfare_monitor
کانال مهارت و آموزش فناوری اطلاعات و هوش مصنوعی*@it_ai_skill_training
بازگشت Dell XPS 13 به عنوان رقیب مکبوک نئو با تخفیف موقت ۵۹۹ دلاریشرکت Dell با احیای لپتاپ XPS 13 به عنوان یک گزینه اقتصادی، بازار دانشجویان و رقابت با «مکبوک نئو» اپل را هدف قرار داده است.
این لپتاپ باریک و سبک با قیمت پایه و تبلیغاتی ۵۹۹ دلار برای دانشجویان عرضه میشود، هرچند که مدل پایه آن تنها مجهز به ۸ گیگابایت رم و تراشه نسل جدید اینتل است.
نکات کلیدی قیمتگذاری و تخفیف ویژه: قیمت این لپتاپ در یک آفر ویژه و موقت برای دانشجویان ۵۹۹ دلار تعیین شده است (که تا ماه سپتامبر ادامه دارد). قیمت استاندارد آن برای سایر خریداران ۶۹۹ دلار خواهد بود. طراحی فوقالعاده باریک و سبک: این مدل با ضخامت ۱۲.۷ میلیمتر و وزن تنها ۱ کیلوگرم، باریکترین و سبکترین نسخه از سری XPS تا به امروز به شمار میرود. مشخصات سختافزاری مدل پایه: پیکربندی پایه شامل پردازنده ۶ هستهای Intel Core 5 320 (از خانواده Wildcat Lake)، حافظه ذخیرهسازی ۵۱۲ گیگابایتی و ۸ گیگابایت حافظه رم است. نمایشگر باکیفیت: تمام مدلها مجهز به صفحه نمایش لمسی ۱۳.۴ اینچی ضد انعکاس با رزولوشن ۲۵۶۰ در ۱۶۰۰، نرخ نوسازی متغیر ۳۰ تا ۱۲۰ هرتز و روشنایی ۵۰۰ نیت هستند. اتصالات و باتری: این دستگاه تنها دارای دو پورت USB-C است و جک ۳.۵ میلیمتری صدا در آن حذف شده است. همچنین Dell ادعا میکند باتری آن تا ۱۷ ساعت برای پخش ویدیو دوام میآورد.
نتیجهگیریشرکت Dell با کاهش قیمت و حفظ طراحی پریمیوم و کیفیت بالای نمایشگر در XPS 13 جدید، تلاش دارد سهم بازار لپتاپهای اقتصادی دانشجویی را از اپل ربایش کند.
با این حال، با توجه به وجود تنها ۸ گیگابایت رم در مدل پایه و قیمت ارزانترِ رقیب مستقیم آن یعنی مکبوک نئو، Dell مسیر چالشبرانگیزی برای متقاعد کردن کاربران به پرداخت این هزینه پیش رو دارد.
#نمایشگاه_Computex_2026https://wccftech.com/dell-undercuts-apples-macbook-neo-with-599-usd-xps-13-lighter-brighter-packs-backlit-keyboard/........................................کانال تازه ترین اخبارهای فناوری اطلاعات و هوش مصنوعی در بله@IT_AI_Newsتازه ترین اخبارهای حوزه امنیت_دفاع و پدافند سایبری در بله@cyber_warfare_monitorمهارت و آموزش فناوری اطلاعات و هوش مصنوعی@it_ai_skill_training
*'Disrupted or dead': AI is crushing a generation of startups built before ChatGPT
طبق دادههای PitchBook، نزدیک به نیمی از ۸۵۷ استارتاپ یونیکورن آمریکا طی سه سال گذشته بودجه جدیدی جذب نکردهاند. استارتاپهایی که آخرین بار در سال ۲۰۲۱ بودجه جذب کردند به طور متوسط ۶۸٪ کاهش ارزش داشتهاند و آنهایی که در سال ۲۰۲۲ بودجه جذب کردند ۵۲٪ کاهش ارزش را تجربه کردهاند. بیش از ۲۲۰ شرکت که زمانی به ارزشگذاری میلیارد دلاری دست یافته بودند اکنون «یونیکورنهای سقوط کرده (fallen unicorns)» در نظر گرفته میشوند.
دلیل اصلی: رونق هوش مصنوعی
بیش از ۲۵۰ میلیارد دلار به اوپنایآی و آنتروپیک (پیش از عرضه عمومی اولیه عظیم مورد انتظار آنها در سال جاری) سرازیر شده است. این رونق صدها استارتاپ ساخته شده قبل از ظهور چتجیپیتی در سال ۲۰۲۲ را عملاً سرگردان (stranded) کرده است. سامیر کاول (شریک Khosla Ventures) گفت: «لحظه چتجیپیتی زمانی بود که مردم گفتند، «آتش بازی، نسل بعدی کارآفرینان، زبان کدنویسی آنها انگلیسی گفتاری است. اکنون میبینید ۵۰ مهندس کاری را انجام میدهند که ۵۰۰ مهندس پنج سال پیش انجام میدادند.»
بیشترین آسیب: شرکتهای نرمافزار سازمانی (SaaS)
شرکتهای نرمافزار سازمانی (مانند استارتاپ زمانبندی Calendly) که بزرگترین دسته واحد در میان یونیکورنهای سقوط کرده هستند (۷۵ شرکت SaaS در فهرست PitchBook). دیوید ژو (بنیانگذار Reevo) گفت: «تز من این بود که همه شرکتهای SaaS مبتنی بر گردش کار (workflow-driven) طی دهه آینده یا مختل (disrupted) خواهند شد یا مرده (dead).» مدل SaaS (جایی که شرکتها خود را در گردشهای کار کارمندان جاسازی میکنند و اغلب به ازای هر کاربر هزینه دریافت میکنند) به ویژه توسط ظهور عاملهای خودمختار (autonomous agents) تهدید میشود.
نتیجه: خروج از سرمایهگذاری به جای سرمایهگذاری مجدد
اکثر استارتاپهای یونیکورن سقوط کرده بدون دسترسی به بودجه سرمایهگذاری یا یک رمپ قابل قبول عرضه عمومی اولیه، محتملترین خروجی آنها تملک (acquisition) با کسری از ارزشگذاری قدیمی آنها است. ارزشگذاریها از اوج ۵۰ برابر درآمدهای آتی در سال ۲۰۲۱ حدوداً شش برابر کاهش یافته است، به این معنی که شرکتی با درآمد مشابه در بازار امروز حدود ۸۵٪ کمتر از پنج سال پیش ارزش دارد.
آدرس کامل مقاله:
https://www.cnbc.com/2026/06/01/ai-startup-valuations-pre-chatgpt.html
کانال تازهترین اخبارهای فناوری اطلاعات و هوش مصنوعی در بله
@IT_AI_News
کانال تازهترین اخبارهای حوزه امنیت، دفاع و پدافند سایبری در بله
@cyber_warfare_monitor
کانال مهارت و آموزش فناوری اطلاعات و هوش مصنوعی*@it_ai_skill_training
طبق دادههای PitchBook، نزدیک به نیمی از ۸۵۷ استارتاپ یونیکورن آمریکا طی سه سال گذشته بودجه جدیدی جذب نکردهاند. استارتاپهایی که آخرین بار در سال ۲۰۲۱ بودجه جذب کردند به طور متوسط ۶۸٪ کاهش ارزش داشتهاند و آنهایی که در سال ۲۰۲۲ بودجه جذب کردند ۵۲٪ کاهش ارزش را تجربه کردهاند. بیش از ۲۲۰ شرکت که زمانی به ارزشگذاری میلیارد دلاری دست یافته بودند اکنون «یونیکورنهای سقوط کرده (fallen unicorns)» در نظر گرفته میشوند.
دلیل اصلی: رونق هوش مصنوعی
بیش از ۲۵۰ میلیارد دلار به اوپنایآی و آنتروپیک (پیش از عرضه عمومی اولیه عظیم مورد انتظار آنها در سال جاری) سرازیر شده است. این رونق صدها استارتاپ ساخته شده قبل از ظهور چتجیپیتی در سال ۲۰۲۲ را عملاً سرگردان (stranded) کرده است. سامیر کاول (شریک Khosla Ventures) گفت: «لحظه چتجیپیتی زمانی بود که مردم گفتند، «آتش بازی، نسل بعدی کارآفرینان، زبان کدنویسی آنها انگلیسی گفتاری است. اکنون میبینید ۵۰ مهندس کاری را انجام میدهند که ۵۰۰ مهندس پنج سال پیش انجام میدادند.»
بیشترین آسیب: شرکتهای نرمافزار سازمانی (SaaS)
شرکتهای نرمافزار سازمانی (مانند استارتاپ زمانبندی Calendly) که بزرگترین دسته واحد در میان یونیکورنهای سقوط کرده هستند (۷۵ شرکت SaaS در فهرست PitchBook). دیوید ژو (بنیانگذار Reevo) گفت: «تز من این بود که همه شرکتهای SaaS مبتنی بر گردش کار (workflow-driven) طی دهه آینده یا مختل (disrupted) خواهند شد یا مرده (dead).» مدل SaaS (جایی که شرکتها خود را در گردشهای کار کارمندان جاسازی میکنند و اغلب به ازای هر کاربر هزینه دریافت میکنند) به ویژه توسط ظهور عاملهای خودمختار (autonomous agents) تهدید میشود.
نتیجه: خروج از سرمایهگذاری به جای سرمایهگذاری مجدد
اکثر استارتاپهای یونیکورن سقوط کرده بدون دسترسی به بودجه سرمایهگذاری یا یک رمپ قابل قبول عرضه عمومی اولیه، محتملترین خروجی آنها تملک (acquisition) با کسری از ارزشگذاری قدیمی آنها است. ارزشگذاریها از اوج ۵۰ برابر درآمدهای آتی در سال ۲۰۲۱ حدوداً شش برابر کاهش یافته است، به این معنی که شرکتی با درآمد مشابه در بازار امروز حدود ۸۵٪ کمتر از پنج سال پیش ارزش دارد.
آدرس کامل مقاله:
https://www.cnbc.com/2026/06/01/ai-startup-valuations-pre-chatgpt.html
کانال تازهترین اخبارهای فناوری اطلاعات و هوش مصنوعی در بله
@IT_AI_News
کانال تازهترین اخبارهای حوزه امنیت، دفاع و پدافند سایبری در بله
@cyber_warfare_monitor
کانال مهارت و آموزش فناوری اطلاعات و هوش مصنوعی*@it_ai_skill_training
چالش اصلی در صنعت پخش: چرا فاصلههای بین سیستمها بزرگترین مشکل است؟در سیستمهای مدرن پخش و رسانه، گلوگاهها و مشکلات اصلی دیگر درون خود نرمافزارها یا ابزارهای مجزا رخ نمیدهند؛ بلکه بحران اصلی در نقاط تحویل (Handoff Points) و مرز میان سیستمهای مختلف (مانند انتقال محتوا از تولید به پس از تولید، و از آنجا به توزیع) شکل میگیرد.
این فضاها و شکافهای بینسیستمی، به دلیل اتوماسیون بالا و عدم تطابق دادهها، به بزرگترین چالش مهندسی و عملیاتی در صنعت پخش تبدیل شدهاند.
نکات کلیدی نقاط تحویل، نقاط کور عملیاتی هستند: بیشترین آمار بروز خطا زمانی رخ میدهد که مسئولیت کیفیت محتوا از یک تیم به تیم دیگر منتقل میشود. خطاهایی که در مراحل اولیه (Upstream) ایجاد میشوند، در این مرزها شناسایی نشده و در مراحل نهایی (Downstream) با هزینهای بسیار سنگینتر خود را نشان میدهند. آسیبپذیری شدید کلاندادهها/فراداده ها (Metadata): اطلاعات حیاتی همراه فایل ویدئویی (مانند تگهای زبان، توضیحات صوتی، کدهای زمانی و اطلاعات مالکیت معنوی) در میان راه و در زمان انتقال بین سیستمهای مختلف، به دلیل نبود نظارت یکپارچه دچار خطا یا ریزش (Metadata Drift) میشوند. خطرات اتوماسیون بدون تایید: در گذشته حضور نیروی انسانی خطاهای انتقال را کاهش میداد؛ اما امروزه خط لولههای خودکار (Automated Pipelines) که به طور همزمان محتوا را به پخش سنتی، استریم، شبکههای اجتماعی و سندیکا میفرستند، یک خطای کوچک در نقطه تحویل را به یک بحران زنجیرهای (Cascade) در تمام خروجیها تبدیل میکنند. حرکت به سمت جریانهای کاری پیوسته (Continuous Workflows): صنعت پخش در حال تغییر رویکرد از سیستمهای بخشبندیشده به سمت مدلهای پیوسته است؛ جایی که لایه ارکستراسیون (Orchestration) مسئولیت صریح انتقال دادهها را بر عهده دارد و تولید، پس از تولید و توزیع به عنوان یک اکوسیستم واحد عمل میکنند. نیاز به منبع واحد حقیقت (Single Source of Truth): برای جلوگیری از بررسیهای دستی و سنتی، سازمانها به سمت ابزارهای مانیتورینگ یکپارچه و مدلهای بصری واحد (Single Pane of Glass) حرکت میکنند تا تمام سیگنالهای عملیاتی را در یک جا رصد کنند. اهمیت واژهشناسی و مدلسازی دادهها (Taxonomy): اتصال فنی سیستمها از طریق API کافی نیست؛ سیستمهای مختلف توسعهدهندگان متفاوت برای فهم متقابل دادهها باید بستر اصطلاحات و تعاریف مشترکی داشته باشند.
نتیجهگیریحل چالشِ فاصلههای بینسیستمی در صنعت پخش، دیگر نیازمند خرید ابزارها یا نرمافزارهای جدید نیست، بلکه نیازمند تغییر در طراحی استراتژیک جریان کار (Workflow Design) است.
سازمانها باید به جای تمرکز بر حفظ امنیت درون هر سیستم، قوانین حاکم بر نحوه انتقال، تایید اصالت و یکپارچگی دادهها را در مرز میان سیستمها تعریف کنند.
نقطه تحویل دیگر نباید جایی باشد که مشکل یک تیم به تیم بعدی پاس داده میشود، بلکه باید به عنوان حیاتیترین نقطه نظارت و سنجش در کل فرآیند رسانهای در نظر گرفته شود.
#رسانه#حکمرانی_دادهhttps://www.newscaststudio.com/2026/06/01/why-the-spaces-between-systems-are-broadcastings-hardest-problem/........................................کانال تازه ترین اخبارهای فناوری اطلاعات و هوش مصنوعی در بله@IT_AI_Newsتازه ترین اخبارهای حوزه امنیت_دفاع و پدافند سایبری در بله@cyber_warfare_monitorمهارت و آموزش فناوری اطلاعات و هوش مصنوعی@it_ai_skill_training
سردرگمی در پیادهسازی هوش مصنوعی؛ وقتی اصرار مدیران باعث کلافگی کارکنان میشودگزارش جدید بیبیسی نشان میدهد که فشار مدیران ارشد برای استفاده از هوش مصنوعی مولد (GenAI)، بدون داشتن استراتژی مشخص، چالشهای جدی در سازمانها ایجاد کرده است. بسیاری از شرکتها صرفاً برای عقب نماندن از رقبا، کارمندان خود را مجبور به استفاده از این ابزارها میکنند؛ در حالی که در بسیاری از سناریوها، فناوریهای قدیمیتر یا سنتی کارآمدتر و ارزانتر هستند.
نکات کلیدی
متن به چند عارضه و نمونه عینی از این «پیادهسازی کورکورانه» اشاره میکند:
اجبار و گره زدن به ارتقای شغلی: شرکتهای بزرگ مشاورهای مانند اکسنتچر و کیپیامجی (KPMG) معیارهای سختی برای پرسنل گذاشتهاند. مثلاً KPMG یک داشبورد برای ردیابی میزان استفاده کارکنان ایجاد کرده و هدفگذاری ۷۵ درصدی برای بهکارگیری ابزارهای هوش مصنوعی تعیین کرده است. اکسنتچر نیز ارتقا به رتبههای مدیریتی را مشروط به استفاده مداوم از این ابزارها کرده است.
هزینه بیشتر، بازدهی کمتر: یک مهندس هوش مصنوعی (با نام مستعار مالکوم) روایت میکند که مدیران شرکتش اصرار داشتند برای دستهبندی دادههای مشتریان از هوش مصنوعی مولد استفاده کنند؛ در حالی که مدلهای سنتی یادگیری ماشین (Machine Learning) دقیقتر، تکرارپذیرتر و بسیار ارزانتر بودند. نتیجه این اصرار، خروجی کمدقتتر و مخارج سنگینتر، صرفاً برای پزِ «مدرن بودن» شرکت بود.
سردرگمی در لایه مدیریت ارشد: یک مشاور حوزه فناوری (Dan Boyles) تعریف میکند که در جلسه با مدیران یک شرکت نفتی، هیچکدام از اعضای هیئتمدیره دلیل مشترکی برای استفاده از هوش مصنوعی نداشتند؛ مدیرعامل به دنبال عقب نماندن از رقبا بود، بخش فروش به دنبال درآمد بیشتر و مارکتینگ به دنبال حذف پیمانکاران. این عدم تفاهم، نرخ بازگشت سرمایه (ROI) را به شدت کاهش میدهد.
فرهنگ سازمانی و تفاوتهای فردی:کارشناسان هشدار میدهند اگر هوش مصنوعی روی یک فرهنگ سازمانی شکننده یا مبتنی بر ترس سوار شود، شکست میخورد. علاوه بر این، تفاوتهای نسلی و جنسیتی در میزان اعتماد به نفس کار با این ابزارها وجود دارد و شرکتها باید قبل از اعطای دسترسی، آموزشهای اجباری اخلاق، ریسکها (مثل توهم و سوگیری هوش مصنوعی) را ارائه دهند.
نتیجه گیری
بر اساس آمار موسسه Culture Amp، با وجود اینکه ۹۰ درصد متخصصان منابع انسانی انتظار دارند استفاده از هوش مصنوعی مولد افزایش یابد، یکسوم آنها اعتراف کردهاند که هیچکس در شرکتشان مسئولیت تدوین استراتژی هوش مصنوعی را بر عهده ندارد. کلید موفقیت، پیدا کردن گلوگاههای واقعی سازمان و استفاده هدفمند از فناوری است، نه مجبور کردن نمایشی کارمندان.
#هوش_مصنوعی
https://www.bbc.com/news/articles/c74d1ydv01eo......................................کانال تازه ترین اخبارهای فناوری اطلاعات و هوش مصنوعی در بله@IT_AI_Newsتازه ترین اخبارهای حوزه امنیت_دفاع و پدافند سایبری در بله@cyber_warfare_monitorمهارت و آموزش فناوری اطلاعات و هوش مصنوعی@it_ai_skill_training